Quanto mais avançam as redes neurais, mais relevante se torna o trabalho com UBT. Se antes era preciso fazer malabarismos para tornar único um vídeo de outra pessoa, agora é possível criar seus próprios vídeos praticamente do zero. E o resultado está longe de ser o mesmo de 2–3 anos atrás.

Isso é especialmente relevante no contexto dos vídeos curtos para Reels. A prática mostra que ainda há uma grande audiência masculina disposta a assistir vídeos de garotas e interagir com eles. 

Por que criar Reels para Instagram

Segundo estatísticas, o público predominante no Instagram tem entre 18 e 44 anos. 

Quem não conhece a fonte pode pensar que a maior parte desse tráfego vem dos EUA. Mas as estatísticas mostram outra realidade.

Agora vamos ao principal – por que testar essa fonte. Para responder, sugerimos olhar um print de Reels do perfil de uma garota.

Fica fácil perceber que se trata de um modelo gerado por IA. Qualquer iniciante pode criar um desses. Mesmo assim, as garotas geradas podem trazer bons resultados.

Para quem não está disposto a testar diferentes tipos de modelos, descartar dezenas de gerações e captar tráfego do nada, provavelmente este material não será interessante. Para todos os outros, vamos estruturar o artigo de forma prática: como gerar esses Reels passo a passo, quais serviços usar e quanto tudo isso vai custar. Tradicionalmente, vamos analisar duas opções – quase de graça e paga. 

Como criar Reels com inteligência artificial

Resumindo o processo, tudo acontece assim:

Encontramos uma garota ou a criamos do zero → conseguimos um vídeo base → trocamos o rosto.

Na prática, há muitos detalhes, que vamos explicar a seguir. 

Passo a passo de todo o processo

O primeiro passo é criar a garota. Depois disso, podemos fazer um vídeo único ou modificar um já existente, inserindo nossa modelo. Vamos detalhar cada etapa.

Encontrando ou criando a garota

Primeiro, precisamos de uma garota para divulgar o offer. A pior opção é usar fotos de influenciadoras que já têm perfil ativo no Instagram. O sistema detecta rapidamente conteúdo não original e limita o alcance. É muito mais eficiente buscar imagens em plataformas específicas ou criá-las você mesmo.

Grátis. Acesse o Pinterest, por exemplo, e digite palavras-chave como girl na busca. Se não especificar o tipo de modelo, aparecerá de tudo: de asiáticas magras a eslavas com curvas. 

Esse método é ideal para começar, pois custa 0 dólares. No entanto, tem uma desvantagem: para usar o rosto da garota encontrada, você precisa de 10–20 referências dela. O ideal é que sejam imagens no mesmo estilo do vídeo base. Por exemplo, se no vídeo base a personagem aparece em close falando algo, as referências devem ser fotos do rosto em vários ângulos, iluminações e expressões. Se no vídeo a garota está dançando, são necessários exemplos da modelo em diferentes poses e posições, e assim por diante. Às vezes você encontra um rosto interessante no Pinterest, mas não consegue achar outras fotos da mesma garota. Isso prejudica a qualidade final do vídeo. 

Condicionalmente gratuito. Nesta opção, pegamos as fotos selecionadas e vamos para o Gemini ou ChatGPT. Por exemplo, o ChatGPT não fala diretamente sobre limites: ele vai gerar fotos até que o servidor fique sobrecarregado. Na internet, brincam que a sobrecarga acontece quando os vibe coders acordam nos EUA. O modelo NanoBanana2 Lite funciona de graça, mas nem sempre com qualidade. É mais fácil comprar uma assinatura e não se preocupar.

Independente do cenário escolhido, carregamos as referências para clonagem ou para descrição visando uma geração única posterior. 

Primeiro, vamos pedir ao ChatGPT para mostrar como seria a garota da referência de diferentes ângulos.

O mesmo, mas com o NanoBanana2 Lite. 

Agora vamos dar a ele um conjunto de fotos originais de uma bela modelo real e pedir para criar uma gêmea dela, que nunca existiu. Veja o que o ChatGPT gerou:

E aqui está o resultado do NanoBanana 2 Lite:

Tanto a primeira quanto a segunda garotas são únicas. Se quiser, é possível editar a aparência delas diretamente no chat, mas para essa tarefa é mais eficiente usar o NanoBanana no Google AI Studio: ele é gratuito e é difícil esgotar a cota mesmo usando o dia todo. Vamos pegar uma foto aleatória e mudar o penteado.

Vamos deixar essa garota como nossa modelo. 

Gerando vídeos

Se o orçamento permitir, é mais vantajoso criar vídeos com seu próprio roteiro. Muitas vezes, isso exige várias gerações (geralmente por $3-4 para parecer natural), mas o conteúdo final é original. Por isso, também gera mais alcance. No entanto, nem todos os LLMs vão querer, por exemplo, criar vídeos de garotas nuas dançando. Mas para nichos white, é a opção ideal. Uma abordagem alternativa é adaptar vídeos já prontos. Nesse caso, há risco de shadowban, mas esses vídeos custam centavos. 

Primeiro, vamos entender a geração. Para testar por conta própria, compre a assinatura Pro do Google Flow e receba 1050 créditos por mês. Isso é suficiente para cerca de 60-70 gerações. Novas contas têm desconto – 3 meses por $4,99, depois $20. Ou seja, por $20 e 4 assinaturas nos primeiros 3 meses, você consegue 240 vídeos por mês. 

Omni 1.1 é o melhor modelo do Google em termos de velocidade e qualidade de geração no momento da publicação. Ela gera não só vídeo, mas também áudio. Porém, nem sempre funciona: em alguns casos, o modelo parou a geração e devolveu os créditos devido a problemas ao criar o áudio. 

Primeiro, um teste rápido – carregamos nossa modelo no Google AI Studio, adicionamos no chat o logo de um Tinder genérico e pedimos para ela segurar um celular com esse logo. De primeira, ficou bom.

Agora carregamos ambos os referenciais no Google Flow e pegamos do ChatGPT o prompt para gerar o vídeo. 

Create a 10-second ultra-realistic vertical 9:16 UGC dating app advertisement using the two provided reference images.
REFERENCE IMAGES:
Image 1 is the exact STARTING FRAME.
Image 2 is the exact ENDING FRAME.
CHARACTER CONSISTENCY:The woman in both images is the same person. Preserve her exact facial identity, facial proportions, green-hazel eyes, natural skin texture, long chestnut-brown hair styled in two high ponytails with pale blue scrunchies, light blue oversized hoodie, and subtle makeup. No changes to her face, hairstyle, age, outfit, or accessories.
SCENE:A cozy coffee shop with warm pendant lighting, wooden furniture, leafy plants, and a cup of latte on the table. Natural smartphone footage, authentic casual UGC aesthetic.
TIMELINE:
0–2 seconds:Start exactly as shown in Image 1. The woman smiles warmly while looking slightly to the side. She slowly lowers her eyes toward the coffee cup, giving a small, shy smile. She then looks back toward the camera with a playful, slightly flirtatious expression.
2–7 seconds:She makes direct eye contact with the camera, tilts her head slightly, and speaks in Russian with a soft, natural, youthful female voice.
Exact spoken dialogue in Russian:
«Привет… Ты мне понравился. Может, познакомимся поближе?»
She speaks with a playful, slightly shy intonation, as if flirting with someone sitting across the table. Include a tiny pause after «Привет». Her lips must synchronize accurately with every Russian word. Her expressions remain subtle, human, and believable.
7–10 seconds:After speaking, she smiles mischievously, briefly glances down, reaches for her smartphone from below the frame, and naturally raises it toward the camera.
She turns the smartphone screen outward and presents it clearly to the viewer.
The phone display must show exactly the same application logo, icon, colors, and screen layout as in Image 2. The screen must be clearly visible, sharp, and stable.
Finish with the exact composition of Image 2. She holds the phone next to her face and smiles at the camera.
CAMERA AND MOTION:One continuous shot, no cuts, no transitions, no camera jumps. Mostly static camera positioned across the table at eye level, with subtle natural handheld movement.
Realistic head motion, natural blinking, accurate finger anatomy, realistic hand-to-phone interaction, physically believable hair movement.
AUDIO:Natural Russian female speech with perfect lip synchronization. Soft background coffee shop ambience. No music, no narration, no other voices.
STYLE:Photorealistic smartphone video. Authentic TikTok / Instagram Reels UGC advertisement. Natural facial expressions, realistic skin pores and imperfections, subtle lighting variations. Not cinematic, not overly polished, not artificial.
STRICT CONSTRAINTS:No facial morphing, no identity drift, no hairstyle changes, no extra fingers, no distorted phone, no changing the application logo, no subtitles, no text overlays, no watermarks, no exaggerated gestures.
The video must appear as a genuine, spontaneous recording of a real woman casually flirting with the viewer in a coffee shop.

Por 15 créditos e 1,5 minuto, o modelo gera este resultado aqui. O Google Flow só gera trechos de 10 segundos. Por isso, é melhor dividir vídeos longos em partes lógicas e depois juntá-las. 

Alterando vídeo de terceiros

Não existe uma fonte universal com vídeos prontos, mas há três plataformas mais óbvias: Pinterest, YouTube e o próprio Instagram. O formato do vídeo depende da ideia. Alguns vão querer criar criativos com dança, outros — apenas lip sync. Vamos testar dois formatos: talking head e dança. Encontramos ambos os vídeos-doador no YouTube Shorts, você pode assistir aqui e aqui.

Vamos começar a gerar a dança. Para isso, criamos o primeiro lote de imagens de referência no mesmo estilo do vídeo doador. Por exemplo, se no original a modelo aparece de corpo inteiro, precisamos de referências de corpo inteiro. Se for da cintura para cima, então da cintura para cima. 

Agora pegamos o prompt do próprio ChatGPT:

Create a realistic vertical 9:16 video using the uploaded materials.
INPUT MATERIAL ROLES:
— Reference Images 1–5 are identity and body reference images of the target girl.
— The uploaded video is the motion and choreography reference.
GOAL:
Generate a new video where the girl from Reference Images 1–5 performs the same dance as in the reference video.
CHARACTER IDENTITY:
Use the girl from the reference images as the main subject.
Preserve her exact recognizable identity:
— young woman
— fair skin
— green-hazel eyes
— long chestnut-brown wavy hair
— hairstyle: two high ponytails with light blue scrunchies
— soft natural makeup
— youthful face and proportions
OUTFIT:
Keep the exact outfit from the reference images:
— oversized light blue hoodie
— black leggings
— white sneakers
BODY AND PROPORTIONS:
Follow the body shape, height, proportions, and overall silhouette from the full-body reference images.
Keep her looking like the same girl in all frames.
MOTION TRANSFER:
Use the uploaded reference video as the choreography source.
Transfer the dance performance to the target girl as accurately as possible:
— same sequence of moves
— same rhythm and timing
— same body sways
— same steps
— same arm gestures
— same head movement
— same playful energy
The goal is not a random dance inspired by the video, but a close recreation of the same dance performance using the target girl.
SCENE:
Place her in a simple clean indoor space suitable for dance, similar to a casual home recording.
Use a plain light wall and clear floor space.
Keep the environment uncluttered so the body remains fully visible.
CAMERA:
— vertical 9:16
— full-body framing for most of the clip
— one continuous shot
— camera facing her from the front
— stable smartphone-like framing
— no cuts
— no zoom jumps
— no angle changes unless necessary to preserve the original motion feel
STYLE:
Photorealistic, natural smartphone video.
The result should look like a real girl genuinely dancing, not like CGI.
Natural lighting, realistic anatomy, realistic hair movement, realistic clothing folds.
IMPORTANT CONSTRAINTS:
— preserve facial identity
— preserve hairstyle and hair color
— preserve outfit
— no identity drift
— no face morphing
— no extra limbs or fingers
— no deformed hands
— no body distortion
— no random choreography changes
— no scene changes
— no text overlays
— no subtitles
— no watermark
PRIORITY ORDER:
1. Keep the girl’s identity consistent with the reference images
2. Recreate the choreography and timing from the reference video
3. Maintain realistic motion, anatomy, and natural hair/clothing physics
OUTPUT:
A polished, realistic dance video where the reference girl performs the same dance as the motion-reference video.

Carregamos no Google Flow o vídeo de referência e as fotos da nossa modelo, inserimos o prompt. Lembramos de uma limitação importante: o modelo só cria trechos de 10 segundos. Por isso, sugere fazer ou 0-10 segundos, ou 10-20 segundos. Criamos dois pedaços e editamos no ChatGPT. O resultado pode ser visto aqui. 

Agora a cabeça falante. Pegamos o segundo material original e fazemos as referências para ele.

Carregamos o prompt e escrevemos manualmente o texto que a garota deve falar:

Create a highly realistic 10-second vertical 9:16 smartphone talking-head video.
Use the uploaded reference images to recreate the exact identity of the brunette woman.
Use the provided reference video ONLY as a guide for camera framing, speaking style, natural facial movements and overall presentation. Do not copy the original speaker’s face or voice.
CHARACTER:
A young adult woman with green-hazel eyes, natural rosy skin, long chestnut-brown wavy hair styled in two high ponytails with pale blue scrunchies, wearing a light blue oversized hoodie.
Preserve the same recognizable face from the reference photographs throughout the entire video.
SCENE:
The woman is sitting indoors in front of a plain warm beige wall. Static smartphone camera at eye level. Medium close-up, showing her face, shoulders and upper chest.
PERFORMANCE:
She looks directly into the camera and speaks naturally in Russian, with subtle head movements, occasional blinking, realistic lip movements and restrained facial expressions.
She sounds thoughtful, slightly ironic and confident.
DIALOGUE IN RUSSIAN:
«Если женщина говорит фразу: «Я тебя не держу, если хочешь — уходи», вам больше нечего делать с этой женщиной. Зачем вам ребенок, который из раза в раз будет вами манипулировать вместо того, чтобы строить здоровые, равные отношения?»
VOICE:
Generate an entirely new female Russian-speaking voice.
Voice characteristics:
— young adult female
— natural mid-range pitch
— warm, slightly low and velvety timbre
— clear native Russian pronunciation
— conversational delivery
— confident, calm intonation
— subtle emotional emphasis
— no artificial or robotic speech
The voice must be completely different from the original video’s speaker. Do not imitate or clone her voice.
Accurate Russian lip synchronization is essential.
VIDEO STYLE:
Authentic casual smartphone recording, realistic skin texture, natural indoor lighting.
One continuous shot. No transitions, no background music, no subtitles, no text overlays.
STRICT REQUIREMENTS:
Preserve facial identity. No face morphing, no hairstyle changes, no distorted mouth, no unnatural expressions, no audio glitches, no robotic speech. 

O texto deve caber em 10 segundos. Por isso, a modelo tirou uma palavra, mas no geral ficou bom. Veja aqui.

Para garantir a precisão do experimento, vamos testar o Wan 3.0 Prime – o modelo avançado da Alibaba. Carregamos 5 imagens da nossa modelo, anexamos o vídeo e inserimos um prompt objetivo: 

Replace the woman in video1 with the woman from image 1-5

Diferente do Google Flow, o Wan 3.0 Prime levou quase 20 minutos para criar o vídeo. Além disso, essa LLM foi originalmente pensada apenas no formato API-only. Ou seja, não possui uma interface oficial como o ChatGPT ou o Google Flow. O acesso só é possível por meio de provedores.

O resultado da geração pode ser visto aqui. Não é a melhor opção para testes rápidos, mas a qualidade das expressões faciais, na nossa opinião, é quase idêntica ao original.  

Como bônus, pegamos o prompt do Flow e testamos no Grok. Não temos assinatura paga, mas tentamos gerar um vídeo em 480p com 6 segundos. Para gerar 10 segundos em qualidade superior, seria necessário pagar. O resultado pode ser visto aqui. 

Em teoria, é possível pagar uma assinatura de $30 e gerar até 30 segundos em 720p de uma vez. Mas, claro, não vamos fazer isso. Curiosamente, o próprio Grok afirma que não é possível criar vídeos no plano gratuito.

E agora?

Os vídeos prontos podem ser enviados para Reels, YouTube Shorts e outras plataformas. Se usar um vídeo-doador do Reels, é melhor não subir o vídeo editado no mesmo Instagram. Caso contrário, há risco de shadowban.

No futuro, o conteúdo pode ser monetizado via Telegram e conteúdo privado, ou por meio de ofertas externas. A experiência de alguns especialistas mostra que isso pode ser bastante lucrativo. 

Conclusão

As redes neurais simplificaram bastante a produção de vídeos curtos. Agora, para criar Reels, não é mais necessário contratar modelos, organizar gravações ou passar horas editando. Bastam alguns referenciais, um vídeo-doador adequado e um prompt bem elaborado. E, como mostraram nossos testes, até mesmo ferramentas gratuitas permitem obter resultados bem satisfatórios.

No entanto, ainda não é possível automatizar totalmente o processo. As redes neurais cometem erros nos movimentos, mudam a aparência dos personagens, nem sempre lidam bem com a fala e exigem várias tentativas de geração. Por isso, o principal recurso aqui não é tanto o dinheiro para assinaturas, mas o tempo investido em experimentos.

Você pode começar com ferramentas gratuitas e investir em versões pagas só depois dos primeiros testes bem-sucedidos. E o principal: não confunda o realismo do vídeo com sua eficácia. Mesmo uma modelo gerada perfeitamente não garante alcance ou cliques. Assim como em qualquer abordagem de UBT, o resultado depende de uma boa ideia, público certo e testes sistemáticos de hipóteses.